掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 57296|回复: 415

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

  [复制链接]
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2025-9-21 23:58 编辑
    ( M: U' B6 t4 [" W6 h' k" r- i  Y  D
    这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。
    2 B3 E! G( {9 U7 {以后我会做一款带GUI的,针对小白玩家。8 v( U# x' d$ P" K9 e

    + F" ?" ~' k0 [+ ^) f入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。
    6 u% j, y& l- e& J, JgenMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
    0 R8 g7 X& l9 B5 f6 {. N) u- u5 w  _8 W" _4 _( L# ]
    / z1 R! I* \& N: F2 D9 a; t" g7 h
    3 r$ z) n) A" e1 [5 r! E3 P" H5 R1 Y
    Windows下运行举例(需安装python):. k4 n3 l% }' H1 |- B

    5 m# ^, |8 y  e6 Q6 N+ |! Q' n# `! ~- t4 M! m! f% m
    相较于原版我主要改了两个地方:
    ! ~6 U/ O* m- V- \& c1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value; @6 s9 B. b# e; i5 n
    2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。# _. o0 S1 r+ t' z( C  y# \
    6 o' ~* |# L- \5 \& O! ~( _+ u/ S5 ~
      ]% C8 U  H- q* ?! n
    3 {( P( p9 s; A' i5 A
    Python实现的txt转MDX代码:' y8 M; A" ~$ [6 q! @1 S
    / [' r4 J5 j% }, K- O, M. ~
    链接:https://pan.baidu.com/s/1wdRZXRvQBfyS3AVDGmiD0g  提取码:avqf 欢迎提建议/ u6 G/ |1 \# ]2 w2 [3 d9 W) f
    ⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。& t* V4 {9 b5 h- J* R* x, Y8 l' M

    % b4 ^) [1 c8 q3 z2 ?& k" V. h' B7 S3 l+ W* j& r% k1 U
    $ I0 E. _4 U& @7 B

    " c: d1 O% v9 \! E6 Q! F  W2 }
    ( A* {6 ^/ q. M3 O
    . ]) y% }' R3 |) G4 g7 {" Z

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

    该用户从未签到

    发表于 2021-7-23 14:38:37 | 显示全部楼层
    python3.8.9调试成功!
    6 Y6 ], s# l% A6 k& C5 M7 w& ~* F8 P
    做了如下修改:3 H5 c- ~/ G0 o, e/ r
    . @$ ]$ V% ]7 o; K
    1.genMDX_ox4.py
    / _; G  Z' N5 {* t: l: f+ B+ \! I) j. [' L/ ], E% ]
    (1)注释掉前三行# -*- coding: GBK -*-  # coding: utf-8  # encoding=utf8,解决SyntaxError: encoding problem: GBK
    % N8 v" ?' Q+ a% k/ g; n* N) G, i' f9 |
    (2)注释掉import sys  reload(sys)  sys.setdefaultencoding('utf-8'),python3不需要了
    / X5 d0 o. L- W% G2 V9 d7 W. Y( g# R3 H
    (3)打开、写入的文件加上当前路径(import os;current_path = os.path.dirname(__file__);current_path+"/OALD4_azure.txt",),解决No such file or directory:
    0 s6 Z/ x& u1 l# T6 T  B9 @/ F7 m$ V; g. \! F
    (4)大神提示OALD4_azure.txt、about_OX4.txt使用utf-8格式。我试了下,两个文件转换为gb2312,代码修改为encoding='ANSI',也可以成功。另外,goldendict可以打开这两种编码的mdx,mdictpc版只能打开ANSI编码的mdx文件。  E4 `8 N; ]: f

    + [3 Q$ t& U2 r( D2.writemdict.py
    % v: ^/ O& Z2 l0 O. s! W6 ~! J/ `% O+ t/ ]
    修改 from cgi import escape为 from html import escape,解决cannot import name 'escape' from 'cgi' ,因为python3 cgi.py里面已经没有escape了。换成html,可以用,暂未发现问题。

    评分

    1

    查看全部评分

  • TA的每日心情
    无聊
    2023-12-27 22:43
  • 签到天数: 500 天

    [LV.9]以坛为家II

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的
    , x; o+ l7 z+ }1 iimp.reload(sys)改为:# t* [2 u, o: f' J! x% [
    import importlib7 t& T( m5 e! ]* {
    importlib.reload(sys)
    7 y/ Y. L- G5 M6 G6 [然后删掉:sys.setdefaultencoding("utf-8"); o- S+ |$ p  x* ]2 y3 n
    测试通过。; c' ^% I; \; a; S" ~7 ]

    ; r% P  ^1 |: ^, g, E但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

    该用户从未签到

    发表于 2023-3-9 22:28:50 | 显示全部楼层
    好的,感谢老铁啊

    该用户从未签到

    发表于 2023-3-8 14:04:03 | 显示全部楼层
    感谢大神分享
  • TA的每日心情
    慵懒
    2023-10-11 10:27
  • 签到天数: 198 天

    [LV.7]常住居民III

    发表于 2023-2-14 11:51:09 | 显示全部楼层
    感谢楼主分享

    该用户从未签到

    发表于 2022-12-30 17:34:07 | 显示全部楼层
    谢谢高手无私分享这么好的教程
  • TA的每日心情
    开心
    2021-11-18 11:26
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    发表于 2022-12-28 10:39:48 | 显示全部楼层
    试试看,谢谢大佬
  • TA的每日心情

    2022-5-16 09:51
  • 签到天数: 208 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:# h7 V2 _  y! }# P. t/ i4 L
    Traceback (most recent call last):1 U/ Q/ S' }- B" A: B" m4 d
      File "genMDX_ox4.py", line 14, in <module>( w% c- ~& }( U( i" I/ S
        reload(sys)
    6 n  P; O3 @) G& M+ s. o  \7 pNameError: name 'reload' is not defined( s/ W) l) k* _# |

    ( y( _- Z. R! |3 G解决:
    7 d3 z/ Y4 `7 r- [2 Q注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    慵懒
    2023-1-18 13:13
  • 签到天数: 539 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    无聊
    2023-6-6 10:30
  • 签到天数: 2 天

    [LV.1]初来乍到

    发表于 2023-3-29 17:40:05 | 显示全部楼层
    谢谢大佬 都是好东西来晚了 就看到要关站
  • TA的每日心情
    开心
    2023-2-21 17:06
  • 签到天数: 227 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情
    无聊
    2021-8-13 07:38
  • 签到天数: 195 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:
    / }, C7 {4 e  Y5 C7 Y分享
    【支持超大文件】Python打包MDX词典工具

    : v+ Z* ]3 t; V9 `; ?) I4 @/ O非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來) }; }; e( _1 V6 H
    謝謝仁兄分享此重量級工具
    3 b, R& |7 h2 @0 u
  • TA的每日心情
    擦汗
    2022-5-20 11:41
  • 签到天数: 222 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    昨天 08:07
  • 签到天数: 3081 天

    [LV.Master]伴坛终老

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    开心
    2022-1-21 00:52
  • 签到天数: 699 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    无聊
    2020-12-19 21:10
  • 签到天数: 21 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    奋斗
    2021-3-15 08:06
  • 签到天数: 585 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    2023-2-19 20:22
  • 签到天数: 682 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好; y; Y. ~5 |  m, y; o7 z2 p: o
    比如 python genMDX.py source.txt about.txt
  • TA的每日心情
    擦汗
    2025-3-22 20:43
  • 签到天数: 314 天

    [LV.8]以坛为家I

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情
    开心
    2023-9-27 20:45
  • 签到天数: 847 天

    [LV.10]以坛为家III

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:06
    1 [/ V* G" N, v- }还是可以指定输入文件的命令行方式不较好( O. _" t6 Y, S. g
    比如 python genMDX.py source.txt about.txt ...
    0 M( T+ E$ F  @) N8 ]7 Q4 {
    这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑
    3 A) \, W1 U7 C- d- `
    oversky 发表于 2019-10-9 09:30
    9 T3 w; y& t/ q5 E, D$ G: I請問 mdxbuilder 目前能處理的文檔大概是多大?
    , A! O  j. z- g; P3 A6 M
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    2022-9-25 21:09
  • 签到天数: 1136 天

    [LV.10]以坛为家III

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:03) T2 q& s/ r, V
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

    ; }! T- \  B* u6 u# B# r, J- J8 n! K谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2021-4-24 17:14
  • 签到天数: 119 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2025-9-10 20:08
  • 签到天数: 250 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09; J; o2 @, ?; O) C# T7 b/ P* B8 s
    感謝 lgmcw 兄:7 X9 G4 d5 {! Z5 p: Y; v
    分享  
    ; Y* G( S  E) O7 ]" f" S, ]0 b非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來

    & M7 z' ~: ^2 e6 Z: i兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:386 h! P! I9 `4 e, k! \
    兄弟可测试通过,此工具可还好用?

    1 @, W' {+ w( T& T0 [  m謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑 % S# K' n  L6 J  c& G
    % ~1 g6 e4 T, e5 O0 U, p# [
    1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。
    & ~9 U- Z$ G+ n2 b7 h& ~5 \* Q2 J3 T4 o
    之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!$ U- `& B7 c/ y: _7 U$ y" ?

    , K7 d3 n& Y# `% I$ O  D& |2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。8 V- {/ ~9 w+ K$ v  E4 C1 O
    % Z! H" u$ f/ O+ ]; x# T, |( y
    我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?
    ) l- p6 Q4 k7 f  N. [+ z6 v手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2026-7-17 01:49 , Processed in 0.036185 second(s), 31 queries .

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表